体验AI绘画：快速上手StableDiffusion的三种方式

最近几个月，AI绘画算是火出圈了。

随便输入一段文本就能生成天马行空的精美图片，光是想想就让人激动。

我大概是从去年开始关注此类机器学习模型的，最早关注的是OpenAI家的Dall-E，后来才陆续认识了各种Diffusion扩散模型，也就是现在说的AI绘画模型。

AI绘画模型好不好，所有人都可以从审美的角度给出评价，所以，这成了AI技术进步能引起圈外人广泛围观的原因。

当然，现在能这么火，主要还在于Diffusion模型绘画效果比之前的GAN强太多了。

目前，普通人对AI绘画模型就只是好奇，画家或者设计类人员考虑的是获得新的创意。

而我，作为一个关注科技话题的文字编辑，比较好奇AI绘画模型在创作文章配图时的效果。

几个月前，我自己动手尝试了一下几个常见的AI绘画模型，算是近距离的接触了一下当下最火的AI技术。（体验：有了这些AI魔法，人人都是艺术家）

一番尝试后，个人感觉整体效果还可以，但离理想的效果还有不少差距（特别是画人物的时候）。同时也明白，想要效果好还得多学习和了解各种参数，多多尝试。

但想多试几次很难。

首先，因为大部分AI模型都没有开源，所以不能本地部署，Dall-E和Midjourney都没有。

第二，别人在线托管AI模型虽然能用，一般都得排队。

谷歌家的Colab很大方，但用的人多，抢到GPU资源后，能用多久都不一定，有时候一张图片没生成就被别人征用走了，想继续创作就得重新来过，SageMaker Studio Lab也是一样。（做毕设用不起GPU？亚马逊云SageMaker免费给你用）

第三种，付费使用别人托管的服务来生成图片，很多网站新手注册后都会给点积分，消耗完后就得充钱了，有很多还很贵，有很多人已经用这种东西赚快钱了，很明显，这也不适合大量使用。

2022年8月，开源的Stable Diffusion出现了，注意：它是开源的。它是由初创公司StabilityAI，CompVis与Runway合作开发的，它的代码和模型权重都已公开。

Stable Diffusion是根据公开的数据集LAION-5B训练而来的，训练的时候在亚马逊云科技上用256个英伟达A100 GPU，花费15万个小时训练而来的，成本大约需要60万美元。

更厉害的是，它可以在各种有GPU的电脑上运行（建议是10GB以上显存的电脑），包括Win、Linux电脑。

最最最厉害的是，它的用户拥有其生成的图像的权利，并可自由地将其用于商业用途。

StabilityAI的CEO叫Emad Mostaque，他曾表示，之所以将Stable Diffusion开放给所有人使用，就是为了结束大公司对此类技术的控制和主导地位，支持人工智能民主化。

看到这句话，我从路人瞬间粉上了这位大佬。

要知道，我为了体验Dall-E苦等了好几个月，最后发现，它不能在国内注册使用，当我曲线注册的时候，发现必须得有国外的手机来收验证码，看来，OpenAI对国内朋友好像不太友好。

如果你也忍耐不住，想要试试这个有点造福人类意味的AI绘画神器，我推荐三种方式：

第一种，从Huggingface上体验：

这是Stable Diffusion的一个Demo，也是最便捷的体验方式，输入文本点击生成即可。实际体验后发现，它生成的图片比较小，但速度也比较快。

这种方式的优势就是方便，为了输出的效果更好，这里甚至还给你准备了一些示例的文本，可以借鉴这些句式生成你想要的图片。

最大的缺点是灵活性不足，我在打开的时候显示高级选项暂时不可用，仔细一看，这个高级选项里的可配置项也太少了，图片大小都不能调。（当然，默认的512x512是最好的，因为训练的图片就是这个分辨率）

第二种方法：在自己的Windows电脑上安装Stable Diffusionh和图形UI

支持国内快速更新 stable-diffusion-webui 的本地安装方法​bilibili/read/cv19359343

我在装有3070显卡的电脑上装了Stable Diffusion和一个傻瓜式的图形UI操作界面（Github上开源的基于Gradio的WebUI），如下图所示。

我建议有高性能显卡，并且喜欢折腾的朋友试试这种方式。当然，喜欢深度折腾的朋友直接请教谷歌来安装体验吧，网上关于Stable Diffusion的安装教程现在特别多。

我自己为了节省时间，就找了国内博主的教程来进行安装，安装完成后，所有资料加起来大概30多个GB。

这种方式的优点就是可配置选项非常多，还可以自己安装和更新新的模型，可以自由进行任何尝试，也不限次数。上图是我设置图片大小后生成的一张图片，感觉还挺好看。

这种方式方式的缺点:一方面是需要点折腾的劲头，另一方面，因为是本地部署，所以，需要你有一台高配显卡，我的3070只有8G显存，如果我想生成尺寸大一点的照片，就会提示我显存不够用。

3070已经是我能买的最贵的显卡了，也不想为了这次体验，下血本升级大显存的3090或者4090。

跟我一个想法的应该不在少数，这时候，云主机就非常有优势了。

第三种方法：在UCloud云主机上体验

10月下旬，UCloud的GPU云主机推出了预装有Stable diffusion的镜像，在UCloud控制台创建GPU云主机时，在镜像市场选择AI绘画stable diffusion平台镜像，可以立马得到一台安装配置好的Stable diffusion。

我在华北一可用区B创建了一台4核32GB的T4S主机，GPU显存为16GB，GPU性能为8TFlops。

镜像选择的就是AI绘画Stable Diffusion平台，这台主机我是按照每小时5元的成本拿下的，镜像本身是免费的，只需要为计算、存储和网络资源付费。

初始化完成后，我按照官方文档进行了后续设置：

启动服务器里的Jupyter，开启主机防火墙的8888端口。

在本地浏览器里打开Jupyter，将从服务器端拿到的Token输入后即可登录。

然后，就可以在本地浏览器里打开熟悉的Jupyter进行后续操作了。

操作也很简单，在文档中创建新的笔记本，把Kernel设置成ldm。

随后，我把一段UCloud官方文档提到的示例代码放进去，一步步执行下去就能生成上图中的图片了。

以上生成图像所使用的文本都是英文的，最近首个中文Stable Diffusion模型太乙也开源了。

重点是，它支持用中文生成图像。下图是Demo路径下的示例代码：

比如输入：君不见黄河之水天上来，唯美，油画，然后就生成了这样一张图片。

再输入枯藤老树昏鸦，小桥流水人家，水墨画，会生成这样一张图片，是不是还挺有意境的。

我自己手动输入大漠孤烟直，长河落日圆，水墨画，得到下面这张图片，我有点被惊艳到了。

下面这一张是基于同一个Promot提示符生成的。

用Jupyter的话，可以进行更多更高自由度的设置，比如我可以修改Prompt提示符的文字，也可以修改图片的尺寸，可以进行更多尝试。

如果暂时没有别的想法了，可以立即把这台云主机删除，在需要的时候可以再次开启，这就是云服务提供的便利，这其实是给更专业的人推荐的方式。

以上就是这次体验到主要内容，想尝试AI绘画的可以从中选择。

结束语

这次体验，感觉Stable Diffusion比之前用的几个模型的效果都要好一点，当然，这只是我个人直观感受，具体的技术实现我完全不了解。

有机会体验一下最前沿，最热门的技术我还是挺激动的，如果你也对它感兴趣，也欢迎各种方式交流。